Key points are not available for this paper at this time.
우리는 이동 레지스터의 유선 시스템으로 구성되어 아날로그 스파이킹 뉴런 모델처럼 작동하는 새로운 하이브리드 스파이킹 뉴런을 제안합니다. 제시된 뉴런은 입력 스파이크 열에 대한 다양한 분기 현상 및 반응 특성을 나타냅니다. 우리는 뉴런 역학을 분석적으로 설명할 수 있는 연속 이산 하이브리드 맵을 도출합니다. 이러한 맵을 사용하여 분기 및 반응의 전형적인 메커니즘이 명확해집니다. 또한 뉴런을 위한 새로운 필드 프로그래머블 게이트 어레이 친화적인 온라인 학습 알고리즘을 제시합니다. 이 알고리즘은 뉴런이 알려지지 않은 매개변수 값을 가진 다른 뉴런의 반응 특성을 재구성할 수 있게 해줍니다. 전형적인 학습 기능은 실험적 측정을 통해 검증되었습니다.
하시모토 외 (화,)는 이 질문을 연구했습니다.